محققان به تازگی از مدل جدیدی به نام SeFi-Image رونمایی کردهاند که تحولی در دنیای تولید تصویر با هوش مصنوعی (Text-to-Image) ایجاد کرده است.
نکته هیجانانگیز این مدل، مصرف منابع بسیار کمتر آن است! این مدل با استفاده از پارادایم «Semantic-First Diffusion» توانسته با صرف تنها ۱۰ تا ۲۰ درصد از توان پردازشیِ مدلهای مشابه، عملکردی برابر یا حتی بهتر از مدلهای قدرتمندی مثل Qwen-Image ارائه دهد.
ویژگیهای کلیدی:
🔹 عرضه در سه مقیاس (1B, 2B, 5B) برای انعطاف بیشتر در سختافزارهای مختلف
🔹 ارائه نسخههای بهینهشده (Turbo) برای تولید سریع تصویر
🔹 متنباز (Open Source) بودنِ کد و وزنهای مدل برای استفاده عموم
این مدل ثابت میکند که برای داشتن تصاویر باکیفیت، همیشه به ابرکامپیوترهای غولآسا نیاز نیست و مسیرِ بهینهسازی مدلها به سرعت در حال پیشرفت است.
منبع: arXiv Computer Vision